MODULE 3 : DEMI PLAN COMPLET 2 K-1

Analyse statistique et interprétation

Les expériences du plan expérimental une fois réalisées donneront lieu à des
réponses notées yi sous la forme d’une matrice Y;

L’analyse statistique des réponses d’un plan expérimental comporte toujours au

moins les 3 étapes suivantes :
A - Calcul des coefficients du modèle
B - Validation du modèle prévisionnel et/ou structurel
C - Test t sur les coefficients
Auxquelles peuvent s’ajouter les croix d’interaction, les courbes iso réponses….

Calculs des contrastes lj (Cf polycop des connaissances théoriques)

On appelle contraste (noté lj) la somme entre un effet principal et une (des)
interaction(s) ou entre des interactions

Si X, la matrice des effets du plan 2 k-p possède la propriété d’Hadamard on peut

calculer lj en divisant la somme algébrique des Y affectés des signes de la
colonne j par le nombre d’expériences. Une fois que l’on a attribué à lj l’effet
qu’il représente on peut réaliser l’analyse des résultats.

Si dimension X= [2k-p ; k’]

Dimension de X’X = [k’; k’].
Dimension de (X’X)-1 = [k’; k’].
Avec k’ = nombre de coefficients dans le modèle.

Si X ne possède pas la propriété d’Hadamard, la méthode de calcul pour

déterminer les coefficients est celle utilisée dans le cas de la régression
multiple à savoir: B = (X'X)-1 X'Y

Exemple :
On veut étudier les effets des facteurs température (U1 = T en °C), vitesse
d’agitation (U2 = V en tours/min), concentration d’une enzyme (U3 = E en µg/ml)
et concentration d’un substrat (U4 = S en g/l) sur le rendement d’une réaction
enzymatique (Y) en ne retenant que les effets principaux et 3 interactions du
premier ordre 12 13 et 14 :

B. Bottollier - ISARA
 Domaine Expérimental
Facteur Niveaux Niveaux
-1 18 °C
U1 température
+1 40 °C
-1 50 t/mn
U2 vitesse agitation
+1 100 t/mn
concentration -1 15.5 µg/ml
U3
enzyme +1 29.5 µg/ml
concentration -1 1 g/l
U4
substrat +1 5 g/l

Réponse expérimentale
Réponse Unité
Y1 rendement %
Générateur indépendant : I = +1234

Matrice d’expériences
N° X1 X2 X3 X4 Y1
1 -1 -1 -1 -1 60.00
2 +1 -1 -1 +1 57.00
3 -1 +1 -1 +1 25.00
4 +1 +1 -1 -1 51.00
5 -1 -1 +1 +1 57.00
6 +1 -1 +1 -1 43.00
7 -1 +1 +1 -1 48.00
8 +1 +1 +1 +1 69.00

Plan d’expérimentation
Vitesse Concentration Concentration
N° température
agitation enzyme substrat
°C t/mn µg/ml g/l
1 18 50 15.5 1
2 40 50 15.5 5
3 18 100 15.5 5
4 40 100 15.5 1
5 18 50 29.5 5
6 40 50 29.5 1
7 18 100 29.5 1
8 40 100 29.5 5

B. Bottollier - ISARA
Tableau des alias

Ce que représente lj : Ce que l’on retient pour lj :

l0 = b0 + b1234 l0 ≈ b0 = 51.25
l1 = b1 + b234 l1 ≈ b1 = 3.75
l2 = b2 + b134 l2 ≈ b2 = -3
l3 = b3 + b124 l3 ≈ b3 = 3
l4 = b4 + b123 l4 ≈ b4 = 0.75
l5 = b12 + b34 l5 ≈ b12 = 8
l6 = b23 + b14 l6 ≈ b14 = 7.25
l7 = b13 + b24 l7 ≈ b13 = -2

Matrice des effets

N° I X1 X2 X3 X4 X1X2 X1X4 X1X3
1 +1 -1 -1 -1 -1 +1 +1 +1
2 +1 +1 -1 -1 +1 -1 +1 -1
3 +1 -1 +1 -1 +1 -1 -1 +1
4 +1 +1 +1 -1 -1 +1 -1 -1
5 +1 -1 -1 +1 +1 +1 -1 -1
6 +1 +1 -1 +1 -1 -1 -1 +1
7 +1 -1 +1 +1 -1 -1 +1 -1
8 +1 +1 +1 +1 +1 +1 +1 +1
lj l0 l1 l2 l3 l4 l5 l6 l7
Cette matrice possède la propriété d’Hadamard en effet :

Matrice d’information
8 0 0 0 0 0 0 0
0 8 0 0 0 0 0 0
0 0 8 0 0 0 0 0
0 0 0 8 0 0 0 0
0 0 0 0 8 0 0 0
0 0 0 0 0 8 0 0
0 0 0 0 0 0 8 0
0 0 0 0 0 0 0 8

Matrice de dispersion
0.125 0 0 0 0 0 0 0
0 0.125 0 0 0 0 0 0
0 0 0.125 0 0 0 0 0
0 0 0 0.125 0 0 0 0
0 0 0 0 0.125 0 0 0
0 0 0 0 0 0.125 0 0
0 0 0 0 0 0 0.125 0
0 0 0 0 0 0 0 0.125
B. Bottollier - ISARA
On peut donc calculer les coefficients (contrastes) en divisant la somme
algébrique des Y affectés des signes de la colonne du coefficient par le nombre
d’expériences.

Nom Coefficient
b0 51.25
b1 3.75
b2 -3.00
b3 3.00
b4 0.75
b12 8.00
b14 7.25
b13 -2.00

A ce stade nous n’avons fait que mesurer et visualiser les effets, mais lesquels
sont significatifs ? La matrice X est saturée, pour poursuivre il aurait fallu
prévoir un plan doublé ou un essai répété.

Supposons que pour disposer d’une estimation de l’erreur expérimentale σ²ε on

ait triplé l’essai N° 5 et que l’on ait obtenu :

N° X Y
I X1 X2 X3 X4 X1X2 X1X4 X1X3
1 1 -1 -1 -1 -1 1 1 1 60
2 1 1 -1 -1 1 -1 1 -1 57
3 1 -1 1 -1 1 -1 -1 1 25
4 1 1 1 -1 -1 1 -1 -1 51
5 1 -1 -1 1 1 1 -1 -1 57
5' 1 -1 -1 1 1 1 -1 -1 56,5
5'' 1 -1 -1 1 1 1 -1 -1 57,4
6 1 1 -1 1 -1 -1 -1 1 43
7 1 -1 1 1 -1 -1 1 -1 48
8 1 1 1 1 1 1 1 1 69

Cette matrice ne possède plus la propriété d’Hadamard. Pour calculer les

coefficients il faudra passer par le calcul matriciel.

B. Bottollier - ISARA
 X'X X'Y
10 -2 -2 2 2 2 -2 -2 523,9
-2 10 2 -2 -2 -2 2 2 -83,9
-2 2 10 -2 -2 -2 2 2 -137,9
2 -2 -2 10 2 2 -2 -2 137,9
2 -2 -2 2 10 2 -2 -2 119,9
2 -2 -2 2 2 10 -2 -2 177,9
-2 2 2 -2 -2 -2 10 2 -55,9
-2 2 2 -2 -2 -2 2 10 -129,9

(X'X)-1 (à l’aide d’Excel) B

0,115 0,01 0,01 -0,01 -0,01 -0,01 0,01 0,01 51,246
0,0104 0,115 -0,01 0,01 0,01 0,01 -0,01 -0,01 3,754
0,0104 -0,01 0,115 0,01 0,01 0,01 -0,01 -0,01 -2,996
-0,01 0,01 0,01 0,115 -0,01 -0,01 0,01 0,01 2,996
-0,01 0,01 0,01 -0,01 0,115 -0,01 0,01 0,01 0,746
-0,01 0,01 0,01 -0,01 -0,01 0,115 0,01 0,01 7,996
0,0104 -0,01 -0,01 0,01 0,01 0,01 0,115 -0,01 7,254
0,0104 -0,01 -0,01 0,01 0,01 0,01 -0,01 0,115 -1,996

Y^ = 51.25 + 3.754X1 – 2.996X2 + 2.996X3 +0.746X4 + 7.996X1X2 + 7.254X1X4-

1.996X1X3

• Valider le modèle (Cf poly des connaissances théoriques)

Dans cet exemple, la matrice X est saturée et 1 essai du plan est répété, on ne
peut estimer la variance expérimentale σ²ε qu’à partir des répétitions . On ne
peut pas vérifier si le modèle est prévisionnel ou pas.

Y51 = 57.0 Y52 = 56.5 Y53 = 57.4

Moyenne = (57 + 56.5 + 57.4) / 3 = 56.97
σ²ε = CMrepet = [(57 – 56.97)² + (56.5 – 56.97)² + (57.4 – 56.97)²] / 2 = 0.2033

Ho : CMy^ / CMrepet = 1
H1 : CMy^ / CMrepet > 1

ANALYSE DE VARIANCE
ddl SCE CM F p-value
Régression 7 1277,4823 182,497 897,53 0,0011 **
Résidus = répétitions 2 0,4066667 0,20333
Total 9 1277,889

B. Bottollier - ISARA
On a 0.11% de risque de se tromper en affirmant que le modèle structurel est
valide. Ce risque est faible, on a mis en évidence que le modèle est structurel.

• Tests t des bj (avec j ≠ 0) (Cf poly des connaissances théoriques)

H0 : βj=0 ou βij = 0
H1 : βj ≠ 0 ou βij ≠ 0

Dans cet exemple, σ²ε = CMrepet et la diagonale de (X'X)-1 est constituée d’une
même valeur = 0,1146
σ ² (bj) = 0,2033 * 0.1146 = 0.0233
Donc σ (bj) = 0.1526

On va comparer les t calculés aux t théoriques de la table de Student :

α t 1-α/2(2)
0.05 4.303
0.01 9.925
0.001 31.60

Nom Coefficient Ecart-Type t.exp. Signif.

b1 3,754 0,1526 24,601 **
b2 -2,996 0,1526 -19,63 **
b3 2,996 0,1526 19,63 **
b4 0,746 0,1526 4,89 *
b12 7,996 0,1526 52,38 ***
b14 7,254 0,1526 47,53 ***
b13 -1,996 0,1526 -13,08 **

On ne peut pas conclure directement sur les effets des facteurs car ils sont
impliqués dans des interactions très et hautement significatives. Donc, c’est
l’interprétation des croix d’interaction qui nous permet de préconiser de fixer
les facteurs X1, X2 X3 et X4 à leur niveau haut pour maximiser la réponse Y.

57.73

B. Bottollier - ISARA
Exemples de calcul :
60 = (51 + 69) / 2 , c’est la moyenne des résultats d’ expériences où X1 et X2
sont à leur niveau haut.

57.73 = (60 + 57 + 56.5 + 57.4)/4 c’est la moyenne des résultats d’expériences

où X1 et X2 sont à leur niveau bas.
Le rendement sera maximum si la vitesse d’agitation est de 100t/mn à 40°C.

54.73

A 40°C une concentration enzymatique de 29.5µg/l n’est que légèrement

préférable.

48.98

A 40°C une concentration de 5g/l en substrat est conseillée.

B. Bottollier - ISARA
Pour maximiser le rendement tous les facteurs doivent être fixés à leur niveau
haut.

U1 U2 U3 U4
Niveau haut (+1) 40°C 100t/mn 29.5µg/ml 5g/l

Rendez-vous à l’auto évaluation !!

!!Attention la police de caractère dans l’interface de l’autoévaluation pour l est l !!

Autre question

On veut étudier les effets des facteurs température (U1 = T en °C), vitesse
d’agitation (U2 = V en tours/min), concentration d’une enzyme (U3 = E en µg/ml)
et concentration d’un substrat (U4 = S en g/l) sur le rendement d’une réaction
enzymatique (Y) en ne retenant que les effets principaux et l’interaction du
premier ordre 14 :

U1 U2 U3 U4
Niveau bas (-1) 18 50 15 1
Niveau haut (+1) 40 100 30 5

Pour cela on utilise la matrice expérimentale suivante et les résultats ont été :

N° X1 X2 X3 X4 Y
1 -1 -1 -1 -1 48
2 +1 -1 -1 +1 95
3 -1 +1 -1 +1 16
4 +1 +1 -1 -1 6
5 -1 -1 +1 +1 80
6 +1 -1 +1 -1 74
7 -1 +1 +1 -1 40
8 +1 +1 +1 +1 71

Interpréter et analyser statistiquement les résultats. Conclusions.

B. Bottollier - ISARA